蔣守花 舒暉 任宇 陳俊

摘 要：隨著大數(shù)據(jù)、人工智能和物聯(lián)網(wǎng)時代的到來，智能手機(jī)、智能手表等移動終端產(chǎn)生數(shù)據(jù)的增速已遠(yuǎn)遠(yuǎn)超過了網(wǎng)絡(luò)帶寬。同時，智能家居、無人駕駛等新應(yīng)用對網(wǎng)絡(luò)延遲提出了更高要求。邊緣計算因在貼近數(shù)據(jù)源的網(wǎng)絡(luò)邊緣進(jìn)行數(shù)據(jù)處理，繞過了網(wǎng)絡(luò)帶寬和延遲問題，迅速成為近幾年的研究熱點(diǎn)。首先提出邊緣計算的定義，并對邊緣計算、云計算、霧計算進(jìn)行對比分析，給出邊緣計算的優(yōu)勢，然后介紹邊緣計算基本架構(gòu)，列舉了邊緣計算較為經(jīng)典的兩個平臺：移動邊緣計算平臺MEC和微云Cloudlet，最后對邊緣計算在智能家居、車聯(lián)網(wǎng)具體場景中的應(yīng)用進(jìn)行了分析。

關(guān)鍵詞：邊緣計算;云計算;霧計算;物聯(lián)網(wǎng);微數(shù)據(jù)中心

DOI：10. 11907/rjdk. 202073

中圖分類號：TP399文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2020）010-0205-04

Abstract： With the advent of the era of big data， artificial intelligence and the Internet of Things， the growth rate of data generated by mobile terminals such as smart phones and smart watches has far exceeded the growth rate of network bandwidth. At the same time， new applications such as smart homes and driverless cars place higher demands on network latency. Because edge computing performs data processing at the edge of the network close to the data source， it bypasses network bandwidth and latency issues， which has become a research hotspot in recent years. This paper proposes the definition of edge computing， compares and analyzes edge computing， cloud computing， and fog computing， and summarizes the advantages of edge computing. It introduces the basic framework of edge computing and edge computing data processing models. Moreover， it lists two classic edge computing platforms： mobile edge computing （MEC） and Cloudlet. Finally it analyzes the application of edge computing in smart home and car network scenarios.

Key Words：edge computing; cloud computing; fog computing; Internet of Things; micro data center

0 引言

近年來，大數(shù)據(jù)、云計算、霧計算等新興技術(shù)的不斷發(fā)展，為智能技術(shù)的發(fā)展帶來了新的契機(jī)，同時也對計算模型提出了更高要求。大數(shù)據(jù)時代下各種終端每天產(chǎn)生的數(shù)據(jù)量激增，萬物互聯(lián)在給人們帶來極大便利的同時，也存在數(shù)據(jù)地理位置分散等問題，給數(shù)據(jù)處理和數(shù)據(jù)安全技術(shù)帶來了極大的挑戰(zhàn)。雖然云計算為大數(shù)據(jù)處理提供了集中、高效的平臺，但網(wǎng)絡(luò)帶寬增加的速度遠(yuǎn)不及數(shù)據(jù)增長速度，而提高網(wǎng)絡(luò)帶寬又會增加更多硬件成本，同時復(fù)雜的網(wǎng)絡(luò)環(huán)境會導(dǎo)致數(shù)據(jù)處理延遲。因此，云計算在發(fā)展過程中有網(wǎng)絡(luò)帶寬和網(wǎng)絡(luò)延遲兩大瓶頸需要突破。

邊緣計算（Edge Computing）模型在本質(zhì)上與云計算模型相對，邊緣計算中的邊緣是指互聯(lián)網(wǎng)絡(luò)邊緣的計算及存儲資源，其更加貼近于人、物或數(shù)據(jù)源，在網(wǎng)絡(luò)邊緣就對數(shù)據(jù)進(jìn)行處理，更加高效、快捷。云計算模型可進(jìn)行集中式數(shù)據(jù)處理，所有產(chǎn)生的數(shù)據(jù)通過網(wǎng)絡(luò)全部傳輸?shù)皆朴嬎銛?shù)據(jù)中心，通過云平臺強(qiáng)大的計算能力對數(shù)據(jù)進(jìn)行集中計算與存儲。未來是萬物聯(lián)網(wǎng)的時代，思科預(yù)計2020年將有500億設(shè)備接入互聯(lián)網(wǎng)[1]，所有設(shè)備產(chǎn)生的數(shù)據(jù)將超過40澤字節(jié)（ZB）。面對如此大規(guī)模的待處理數(shù)據(jù)，相比傳統(tǒng)云計算模型，邊緣計算具有明顯優(yōu)勢：

（1）提高數(shù)據(jù)處理的實(shí)時性。云計算可以解決移動設(shè)備在存儲、電量等方面的固有缺陷問題，但云計算服務(wù)需要應(yīng)用將數(shù)據(jù)上傳至云計算數(shù)據(jù)中心，再請求數(shù)據(jù)中心進(jìn)行處理，造成了數(shù)據(jù)處理的延時，同時復(fù)雜的網(wǎng)絡(luò)環(huán)境存在鏈接和路由不穩(wěn)定等問題，導(dǎo)致云計算模型中數(shù)據(jù)上傳的延遲。邊緣計算模型是在移動設(shè)備附近進(jìn)行數(shù)據(jù)處理，而不需要將數(shù)據(jù)通過網(wǎng)絡(luò)上傳至數(shù)據(jù)中心，通過近距離服務(wù)大大降低了網(wǎng)絡(luò)及系統(tǒng)延遲，提高了數(shù)據(jù)處理的實(shí)時性。

（2）極大地緩解網(wǎng)絡(luò)帶寬和云數(shù)據(jù)中心壓力。邊緣計算模型在網(wǎng)絡(luò)邊緣進(jìn)行臨時數(shù)據(jù)的處理，無須將大量臨時數(shù)據(jù)通過網(wǎng)絡(luò)傳輸至云端，極大地緩解了網(wǎng)絡(luò)帶寬和云數(shù)據(jù)中心的壓力。

（3）增強(qiáng)移動終端隱私數(shù)據(jù)的安全性。得益于無線網(wǎng)絡(luò)的普及，移動終端中各種微應(yīng)用、微服務(wù)產(chǎn)生的隱私數(shù)據(jù)量激增，因此很多用戶會擔(dān)心自己的銀行卡、支付信息等數(shù)據(jù)安全問題。邊緣計算模型很好地解決了這一問題，其將用戶隱私數(shù)據(jù)存儲在邊緣設(shè)備中，不需上傳至云端，規(guī)避了隱私數(shù)據(jù)通過網(wǎng)絡(luò)上傳至云端過程中存在的數(shù)據(jù)泄露風(fēng)險，增強(qiáng)了數(shù)據(jù)安全性。

邊緣計算由于具備以上優(yōu)勢，且能很好地滿足物聯(lián)網(wǎng)發(fā)展需求，近兩年得到了許多國內(nèi)外研究者的密切關(guān)注。ACM和IEEE從2016年開始聯(lián)合舉辦邊緣計算的頂級會議SEC，一些重要國際會議也開始舉辦邊緣計算的Workshop，例如2017年的ICDCS、MiddleWare等[2]。

在國內(nèi)，各大移動通信運(yùn)營商將邊緣計算模型應(yīng)用于第五代通信（5G）中，建設(shè)了增強(qiáng)移動寬帶、海量機(jī)器類通信和超可靠低時延通信[3]三大基礎(chǔ)應(yīng)用平臺，邊緣計算儼然已成為5G發(fā)展的關(guān)鍵技術(shù)。

本文總結(jié)邊緣計算的概念，介紹邊緣計算和邊緣計算數(shù)據(jù)處理模型的基本架構(gòu)，對邊緣計算相關(guān)平臺進(jìn)行對比，最后對邊緣計算的經(jīng)典應(yīng)用案例進(jìn)行了分析。

1 邊緣計算概念

1.1 邊緣計算定義

邊緣計算的定義最早是由美國卡耐基梅隆大學(xué)的Satyanarayanan教授[4]提出的，其認(rèn)為邊緣計算是一種新型計算模式，與傳統(tǒng)集中式云運(yùn)算不同，邊緣計算將計算與存儲資源部署在更貼近移動設(shè)備或傳感器的網(wǎng)絡(luò)邊緣。我國學(xué)者對邊緣計算的研究大都基于美國韋恩州立大學(xué)施巍松教授等[5]對邊緣計算的定義：邊緣計算是一種新的計算模型，邊緣計算的下行數(shù)據(jù)來自云端，上行數(shù)據(jù)來自物聯(lián)網(wǎng)，邊緣計算的邊緣是指數(shù)據(jù)源到云端數(shù)據(jù)中心路徑之間的任意計算及網(wǎng)絡(luò)資源。綜上，邊緣計算是一種新的計算模式，其執(zhí)行的計算在靠近人、物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣，數(shù)據(jù)處理不會受到網(wǎng)絡(luò)帶寬、鏈接、路由等問題影響，能更快速、高效地響應(yīng)服務(wù)。

網(wǎng)絡(luò)邊緣資源包括個人電腦、手機(jī)、平板電腦等用戶終端，路由器、交換機(jī)、運(yùn)營商基站等硬件設(shè)施，電視、電梯、門禁系統(tǒng)等嵌入式設(shè)備，以及微型數(shù)據(jù)中心、Cloudlet等小型計算中心，這些設(shè)備相互獨(dú)立且數(shù)量眾多，分布在生活中的各個地方，因此稱之為邊緣節(jié)點(diǎn)。邊緣計算就是將這些分散的邊緣節(jié)點(diǎn)統(tǒng)一起來，為廣大用戶提供服務(wù)。

綜上所述，本文將邊緣計算定義為：“邊緣計算是一種新的計算模式，根據(jù)地理距離或網(wǎng)絡(luò)距離，將與用戶臨近的資源統(tǒng)一起來，為應(yīng)用提供計算、存儲與網(wǎng)絡(luò)服務(wù)[6]。”

1.2 邊緣計算、云計算、霧計算三者區(qū)別與聯(lián)系

邊緣計算的產(chǎn)生并不是要取代云計算，而是作為云計算的補(bǔ)充，在更貼近數(shù)據(jù)源的網(wǎng)絡(luò)邊緣進(jìn)行數(shù)據(jù)處理，增強(qiáng)了服務(wù)的響應(yīng)能力，而且數(shù)據(jù)無須通過網(wǎng)絡(luò)上傳至云端，降低了網(wǎng)絡(luò)帶寬、路由器等網(wǎng)絡(luò)抖動對數(shù)據(jù)傳輸?shù)挠绊?。但是邊緣計算不能脫離云計算而獨(dú)立存在，它們相輔相成，云計算中心為邊緣計算提供強(qiáng)大的計算能力以及海量存儲支持，而邊緣計算為云計算中心提供大量隱私數(shù)據(jù)的存儲服務(wù)。

霧計算[7]（Fog Computing）是由思科提出的與邊緣計算類似的計算模型，其也是將應(yīng)用程序產(chǎn)生的數(shù)據(jù)保存在網(wǎng)絡(luò)邊緣設(shè)備中，無須上傳、保存在云端。但霧計算與邊緣計算之間又存在本質(zhì)上的區(qū)別，邊緣計算更強(qiáng)調(diào)服務(wù)與用戶之間的距離，而霧計算更注重將數(shù)據(jù)源與云計算數(shù)據(jù)中心統(tǒng)一起來，為用戶提供計算、存儲等數(shù)據(jù)處理服務(wù)，因此核心網(wǎng)絡(luò)和邊緣設(shè)備都是霧計算的基礎(chǔ)設(shè)施，彼此不可分離。目前，思科利用推出的部署在核心交換機(jī)和路由器等設(shè)備上的IOX系統(tǒng)對霧計算進(jìn)行實(shí)現(xiàn)[8]，以便于技術(shù)人員更好地利用其進(jìn)行技術(shù)開發(fā)與程序應(yīng)用。

雖然霧計算和邊緣計算是兩種不同的計算模型，但其都是云計算的補(bǔ)充。為了更好地適應(yīng)物聯(lián)網(wǎng)發(fā)展，并能更好地為用戶提供穩(wěn)定、安全的數(shù)據(jù)處理服務(wù)，它們與云計算相輔相成、缺一不可。

2 邊緣計算基本架構(gòu)

邊緣計算基本架構(gòu)包括邊緣設(shè)備與邊緣網(wǎng)絡(luò)設(shè)施，邊緣設(shè)備請求的服務(wù)不需要通過網(wǎng)絡(luò)上傳至云計算中心進(jìn)行集中處理，而是在貼近邊緣設(shè)備的邊緣網(wǎng)絡(luò)設(shè)施進(jìn)行處理，從而增強(qiáng)了數(shù)據(jù)處理的實(shí)時性、穩(wěn)定性和高效性，如圖1所示。

云計算經(jīng)過近幾年的快速發(fā)展，已逐漸被人們所熟知，基于云計算的數(shù)據(jù)處理架構(gòu)也日趨成熟。但是集中式的云計算數(shù)據(jù)處理模式已不能滿足爆炸式增長的邊緣數(shù)據(jù)處理請求，為了更好地適應(yīng)目前用戶對數(shù)據(jù)處理實(shí)時性、高效性、穩(wěn)定性的需求，研究者們先后提出了微數(shù)據(jù)中心（Micro Data Center）、Cloudlet、霧計算、移動邊緣計算（Mobile Edge Computing）等邊緣數(shù)據(jù)處理模型[9]。

3 典型邊緣計算平臺

邊緣計算利用數(shù)據(jù)到云計算中心數(shù)據(jù)傳輸路徑上的邊緣網(wǎng)絡(luò)資源，這些資源數(shù)量眾多且相互獨(dú)立，邊緣計算平臺將這些資源統(tǒng)一起來，為用戶提供實(shí)時、高效、穩(wěn)定的服務(wù)。目前關(guān)于邊緣計算平臺的研究很多，下面介紹其中較為突出的移動邊緣計算和Cloudlet，其中從Cloudlet還演化出了開放邊緣計算聯(lián)盟[10]。

3.1 移動邊緣計算MEC

2014年，電信協(xié)會提出移動邊緣計算（Mobile Edge Computing）的概念[11]，以下簡稱MEC，其在移動設(shè)備網(wǎng)絡(luò)邊緣進(jìn)行數(shù)據(jù)的計算、存儲與保存，減少了云計算中心集中處理請求的延時，也降低了網(wǎng)絡(luò)帶寬和云計算數(shù)據(jù)中心的壓力。MEC節(jié)點(diǎn)大部分位于大型基站或無線網(wǎng)絡(luò)控制器處，與用戶處于同一個無線局域網(wǎng)中，這種貼近于用戶的數(shù)據(jù)處理方式，使得響應(yīng)服務(wù)更加高效、快捷。移動邊緣計算平臺架構(gòu)主要采用“網(wǎng)絡(luò)層—ME主機(jī)層—ME系統(tǒng)層”3層架構(gòu)模型。ME系統(tǒng)層是MEC 最重要的一層，由運(yùn)營商網(wǎng)絡(luò)內(nèi)的ME 主機(jī)以及管理ME 應(yīng)用必需的ME組件構(gòu)成，負(fù)責(zé)管控MEC 的任務(wù)分配和系統(tǒng)運(yùn)行。ME主機(jī)層由虛擬化基礎(chǔ)設(shè)施、ME應(yīng)用、ME平臺和ME主機(jī)層管理設(shè)施組成。網(wǎng)絡(luò)層代表移動邊緣計算支持的連接方式，由蜂窩移動網(wǎng)絡(luò)、本地網(wǎng)絡(luò)、無線WiFi和外部網(wǎng)絡(luò)組成，如圖2所示。

3.2 Cloudlet

Cloudlet的概念是在2009年由卡耐基梅隆大學(xué)首次提出的，其部署在網(wǎng)絡(luò)邊緣，并與互聯(lián)網(wǎng)連接，能實(shí)時為直接連接局域網(wǎng)的用戶提供服務(wù)。由于Cloudlet可以像云計算中心一樣為用戶提供服務(wù)，所以也被稱為微云。雖然Cloudlet不是以邊緣計算的名義提出的，但其在架構(gòu)和設(shè)計理念上與邊緣計算相契合，所以可用來搭建邊緣計算平臺。

與云計算的計算模型相似，Cloudlet將用戶數(shù)據(jù)直接保存在云端，當(dāng)移動設(shè)備向云端請求服務(wù)時集中對數(shù)據(jù)進(jìn)行處理，并通過高帶寬的一跳路由[12]返回用戶請求，盡可能降低網(wǎng)絡(luò)延時。Cloudlet平臺架構(gòu)主要包括三層，如圖3所示。第一層由虛擬機(jī)組成，運(yùn)行用戶卸載至邊緣節(jié)點(diǎn)的應(yīng)用程序，通過虛擬機(jī)彌補(bǔ)與用戶可執(zhí)行環(huán)境的差異;第二層由Cloudlet 邊緣計算平臺組成，實(shí)現(xiàn)主機(jī)資源虛擬化并編排管理應(yīng)用虛擬機(jī);第三層由用戶數(shù)據(jù)緩存器組成，主要用于接收用戶云端數(shù)據(jù)。

Cloudlet的主要優(yōu)勢有：對開發(fā)者沒有任何約束，現(xiàn)有程序基本不需要修改即能在Cloudlet中運(yùn)行;由于在移動設(shè)備網(wǎng)絡(luò)邊緣提供服務(wù)，最大限度地降低了網(wǎng)絡(luò)時延。隨著研究的不斷深入，Cloudlet還可應(yīng)用于認(rèn)知輔助系統(tǒng)[13]、敵對環(huán)境中等[14]。

4 邊緣計算應(yīng)用實(shí)例

邊緣計算主要在人、物和數(shù)據(jù)源附近提供數(shù)據(jù)處理服務(wù)，使得該計算模式在移動應(yīng)用和物聯(lián)網(wǎng)領(lǐng)域得到了廣泛運(yùn)用。本節(jié)介紹兩種邊緣計算應(yīng)用案例，以展示邊緣計算的具體應(yīng)用場景。

4.1 智能家居

隨著科技的不斷進(jìn)步，智能家居例如智能電視、智能監(jiān)控、智能音箱、智能機(jī)器人等已進(jìn)入越來越多的普通家庭，如果利用傳統(tǒng)云計算模型將智能設(shè)備請求發(fā)送到云端，云數(shù)據(jù)中心對請求進(jìn)行集中處理，再返回結(jié)果到設(shè)備，傳輸過程中將難以避免出現(xiàn)網(wǎng)絡(luò)時延問題，隱私數(shù)據(jù)也可能存在泄漏風(fēng)險。因此，采用邊緣計算模型的智能家居系統(tǒng)非常適合這種場景，邊緣計算數(shù)據(jù)在數(shù)據(jù)源端進(jìn)行處理，只要將邊緣操作系統(tǒng)（Edge Operation System，EdgeOS）部署在家庭內(nèi)部網(wǎng)關(guān)設(shè)備上，無論人們在房間、客廳或浴室，都可以快速得到數(shù)據(jù)處理結(jié)果反饋，從而縮短了服務(wù)響應(yīng)時間，增強(qiáng)了智能家居設(shè)備的穩(wěn)定性，并保障了家庭隱私數(shù)據(jù)的安全。同時降低了對網(wǎng)絡(luò)帶寬的要求，普通家庭只需百兆網(wǎng)絡(luò)帶寬即可滿足日常使用。

4.2 車聯(lián)網(wǎng)

車聯(lián)網(wǎng)顧名思義就是將汽車聯(lián)入互聯(lián)網(wǎng)中，可將汽車的油耗、里程、轉(zhuǎn)速和故障等信息通過網(wǎng)絡(luò)上傳至云計算數(shù)據(jù)中心進(jìn)行分析，車輛之間可以分享道路狀況、天氣、乘車人等信息，駕駛?cè)藛T也可根據(jù)這些信息決定自己的路線。

韋恩州立大學(xué)在GENI Racks上構(gòu)建了一個邊緣計算平臺[15]，并在上面部署了實(shí)時3D校園地圖、車輛狀態(tài)檢測、車聯(lián)網(wǎng)仿真3個應(yīng)用。3D校園地圖根據(jù)校園內(nèi)監(jiān)控拍攝的畫面和車輛行駛路線等信息，對畫面進(jìn)行相應(yīng)處理，繪制成實(shí)時3D校園地圖供乘客使用;車輛狀態(tài)檢測系統(tǒng)根據(jù)汽車反饋的油耗、里程、轉(zhuǎn)速等信息，對發(fā)生故障的概率進(jìn)行分析，若檢測到車輛發(fā)生故障概率較大，則反饋給平臺進(jìn)行登記，盡快安排技術(shù)人員對車輛進(jìn)行檢修;車聯(lián)網(wǎng)仿真將聯(lián)網(wǎng)車輛各項(xiàng)數(shù)據(jù)進(jìn)行匯總，以便今后研究人員利用這些交通信息進(jìn)行車聯(lián)網(wǎng)仿真實(shí)驗(yàn)。

根據(jù)上述分析，車聯(lián)網(wǎng)在邊緣計算模型中較易實(shí)現(xiàn)，因?yàn)樵诜抡嫫脚_中，如果利用云計算模型將數(shù)據(jù)通過網(wǎng)絡(luò)上傳至云端，再由數(shù)據(jù)中心對數(shù)據(jù)進(jìn)行集中處理并返回處理結(jié)果，將降低服務(wù)的實(shí)時性，而邊緣計算模型在數(shù)據(jù)源附近進(jìn)行數(shù)據(jù)處理，減少了不必要的網(wǎng)絡(luò)傳輸，提高了應(yīng)用的響應(yīng)速度。

5 結(jié)語

在大數(shù)據(jù)和人工智能時代下，傳統(tǒng)云計算模型因具有數(shù)據(jù)處理實(shí)時性不強(qiáng)、對網(wǎng)絡(luò)帶寬和數(shù)據(jù)中心壓力過大，以及隱私數(shù)據(jù)存儲存在安全隱患等缺陷，已不能滿足現(xiàn)今社會移動應(yīng)用和物聯(lián)網(wǎng)高速發(fā)展的要求。為解決這些問題，邊緣計算模型應(yīng)運(yùn)而生，本文對邊緣計算、云計算、霧計算進(jìn)行對比分析，并介紹了邊緣計算相關(guān)應(yīng)用實(shí)例。雖然邊緣計算模型優(yōu)勢明顯，但其不能脫離云計算、霧計算等計算模型單獨(dú)存在。近年來邊緣計算在生活很多領(lǐng)域的應(yīng)用得到了快速發(fā)展，希望今后能夠有更多研究人員關(guān)注邊緣計算，讓計算模型能更加完善，應(yīng)用更加廣泛。

參考文獻(xiàn)：

[1] EVANS D. The Internet of Things how the next evolution ofthe Internet is changingeverything[EB/OL]. https：//www.cisco.com/c/dam/en_us/about/ac79/docs/innov/IoT_IBSG_041IFINAI.pdf.

[2] 趙梓銘，劉芳，蔡志平，等. 邊緣計算：平臺、應(yīng)用與挑戰(zhàn)[J]. 計算機(jī)研究與發(fā)展，2018，55（2）：327-337.

[3] 呂華章，陳丹，范斌，等. 邊緣計算標(biāo)準(zhǔn)化進(jìn)展與案例分析[J]. 計算機(jī)研究與發(fā)展，2018，55（3）：487-511.

[4] SATYANARAYANAN M. The emergence of edge computing[J]. Computer，2017，50（1）：30-39.

[5] SHI W，SUN H，CAO J，et al. Edge computing——an emerging computing model for the Internet of everything era[J]. Journal of Computer Research and Development，2017，54（5）：907-924.

[6] CHINA UNICOM. Chinaunicom communication cloud architecture white paper[EB/OL]. http：//www.chinaunicom.com.cn/.

[7] AO W C，PSOUNIS K. Fast content deliveryvia distributed caching and small cellcooperation[J]. IEEE Transactions on MobileComputing，2018，17（5）：1048-1061.

[8] E J L，CUI Y，WANG P，et al. CoCloud：enabling efficient cross—cloud file collaboration based on inefficient webAPIs[C]. IEEE Conference on ComputerCommunications（INFOCOM），2017：56-59.

[9] Open Edge Computing Initiative. Open edge computing[EB/OL]. http：//openedgecomputing.org/.

[10] FILIPPINI I， SCIANCALEPORE V， DEVOTIF， et al. Fast cell discovery in mm-wave 5Gnetworks with context information[J]. IEEE Transactions on Mobile Computing，2018，17（7）：1538-1552.

[11] 林博，張惠民. 基于邊緣計算平臺的分析與研究[J]. 電腦與信息技術(shù)，2019，27（4）：21-47.

[12] WANG S，ZHANG X，ZHANG Y， et al. A survey on mobileedge networks：convergence of computing，caching and communications[J]. IEEE Access，2017（5）：6757-6779.

[13] HASEEB M， AHSAN A， MALIK A W. Cloud to cloudlet—anintelligent recommendation system for efficient resources management： mobile cache[C]. International Conference on Frontiersof Information Technology， 2017：40-45.

[14] CISCO. 思科移動產(chǎn)業(yè)VNI預(yù)測報告[EB/OL]. https：//www.cisco.com/c/zh_cn/about/press/china/2016.html.

[15] ESCAMILLA-AMBROSIO P J，RODR?GUEZ-MOTA A，AGUIRRE-ANAYA E，et al. Distributing computing in the internet of things： cloud， fog and edge computing overview[C]. The Numerical and Evolutionary Optimization Workshop，2016：87-115.

（責(zé)任編輯：黃 ?。?/p>